传统业务端数据分析中最耗时的环节是数据准备和整理，通常占整个分析过程的 50%-80%。然而，在后数据中台时代，较为基础的数据清洗、数据集成平台、数据仓库已无法完全承载数据价值化这一数据中台的最终目标。
为此，Fimoo 家族引入新成员 Fimoo Insight，作为每一位用户专属的“高自驱力”数智化业务伙伴，通过极简的“工作交接”，以数智化业务伙伴的角色，协助业务用户完成数据清洗、指标异动监控、业务问题归因诊断、未来趋势预测及行动目标建议。帮助用户梳理海量业务指标，解决问题滞后、根因难寻和决策缓慢等痛点，让业务人员专注于核心价值创造。
Fimoo Insight 探秘篇
整体目标监控
在完成初次“工作交接（即：核心管控指标预选）”后，业务伙伴将时刻监控指标情况，在异动时及时自发生成报告，提供指标基础情况，并精简提炼一句话总结。
归因诊断
在指标异动基础之上，由业务伙伴完成问题原因下钻分析，逐层拆解至根本诱因及预测分析，并基于对核心指标影响权重进行优先级排序，为业务用户提炼出重点情况解析。让业务人员能够从繁琐无趣的数据收集→数据清洗→数据排查的低效重复性工作中解脱出来。
行动建议
基于根本诱因和预测分析，结合内/外部专家知识，为用户下一步行动提供灵感及方向，旨在查漏补缺，做到策略不遗漏，问题不错过。
Fimoo Insight Beta 版 首位探秘者 UAT 用户声音
高品质的数据和贴近业务场景的用户试用(UAT)对于提高模型性能、提升用户体验和促进应用发展至关重要。松下电子部品（江门）有限公司 IT 部门林国明作为我们的 UAT 用户，为Fimoo Insight 提供贴近真实业务场景的测试数据、有建设性的 UAT 建议。
Q1: 是什么契机让你了解到并愿意主动报名参与 Fimoo Insight 试用？
A：我是在与数据分析部 OJT 交流时，与各位同事学习和交流数据分析领域前沿知识时第一次听说 Fimoo Insight 这一类似于医疗诊断报告一样的智能 AI 应用。业务伙伴这个理念让我很心动，想马上体验下这位“数字人”到底能够帮助我们到什么程度。因此，主动在现场报名参与了 UAT 测试。
Q2: 在试用过程中有发现 Fimoo Insight 的哪些不足之处吗？
A: 整体功能理解起来特别快，完全不需要像之前做项目那样需要顾问进行 UAT 培训，也不需要参考用户操作手册。指标信息汇总结果很准确，一句话总结的含金量也远超我的期待。后续的问题原因拆解也能够按照提供数据展开到最细颗粒度。
但是，未来预测和进一步行动建议输出的内容很泛泛、很难给出直接的见解。这应该是整体功能中比较关键的不足。
Q3: 你认为 Fimoo Insight 这类智能化数据分析应用对你的本职工作有何帮助？
A: 是有帮助的。我认为分为两个方面：
其一， 它完全符合我对业务伙伴的期待，能够帮助我做数据收集整理这类耗费时间长但是成效差的“下水道工程”，让我能够保留更多时间和精力专注于解决问题本身。
其二，它比之前 BI 可视化报表的灵活性高多了，在之前，随着业务调整、分析策略变化，我们需要经常进行可视化报表重新设计，这对我们来说又是一个新的 IT 小项目。但是，有这位业务伙伴的加入后，我们只需要快速更换核心指标就可以。整体来说，这对我来说是一个跨时代的工具，我希望能够马上应用在实际工作中。
Fimoo Insight 作为 Fimoo 产品集即 Fimoo AI 后的又一位智能能力者，未来我们将持续深化产品力输出、精度提升。以制造业数据分析纵向领域作为深耕方向，持续研发一款 SaaS 级后数据中台产品。